[发明专利]识别时间序列模式的方法和装置

权利要求书

1.一种基于识别时间序列模式的预测方法，其特征在于，所述方法包括：

统计心脏在统计时间内的跳动数据，按照统计时间及统计得到的跳动数据得到所述心脏在统计时间内相应的数据变化曲线，所述数据变化曲线为获取到的时间序列，对所述时间序列进行预处理，得到至少两个归一化的子序列；

将每个归一化的子序列转化为符号化的子序列，并对每个符号化的子序列进行预设次数的随机投影；

记录每个符号化的子序列在所述预设次数的随机投影过程中与其他符号化的子序列在投影位置上具有相同符号的次数；

将记录的次数与第一阈值进行比较，并将大于第一阈值的每个次数所对应的每两个归一化的子序列构成一个初始模式，每个初始模式包括的两个归一化的子序列中位置靠前的子序列为所述初始模式的起点，位置靠后的子序列为所述初始模式的终点，每个初始模式的起点与终点之间的距离为初始模式的长度；

比较长度相同的每两个初始模式的起点之间的距离，将距离小于第二阈值且长度相同的每两个初始模式的起点与起点之间的归一化的子序列构成一个时间序列片段，终点与终点之间的归一化的子序列构成一个时间序列片段，得到一组时间序列片段，每组时间序列片段及未组成时间序列片段的初始模式分别构成时间序列模式，所述时间序列模式为重复出现的子序列形成的模式；

基于所述时间序列模式来进行与所述时间序列有关的预测。

2.根据权利要求1所述的方法，其特征在于，所述对所述时间序列进行预处理，得到至少两个归一化的子序列，包括：

以预设窗口大小将所述时间序列划分成至少两个子序列；

对每个子序列进行Z归一化处理，得到至少两个归一化的子序列。

3.根据权利要求1所述的方法，其特征在于，所述每组时间序列片段及未组成时间序列片段的初始模式分别构成时间序列模式之后，还包括：

将起点相邻的每两个时间序列模式的起点之间的距离与第一预设距离进行比较；

如果存在起点相邻的两个时间序列模式的起点之间的距离小于等于第一预设距离，则将所述起点相邻的两个时间序列模式之间的标准差与第三阈值进行比较，并将所述起点相邻的两个时间序列模式之间的均值与第四阈值进行比较；

如果所述起点相邻的两个时间序列模式之间的标准差小于等于第三阈值，且所述起点相邻的两个时间序列模式之间的均值小于等于第四阈值，则确定所述起点相邻的两个时间序列模式构成带有形变的连续模式。

4.根据权利要求3所述的方法，其特征在于，所述确定所述起点相邻的两个时间序列模式构成带有形变的连续模式之后，还包括：

从带有形变的连续模式及未构成带有形变的连续模式的时间序列模式中选择一个模式作为第一模式，并选择另一个模式作为第二模式，将所述第一模式的起点与所述第二模式的起点之间的距离与所述第一预设距离进行比较；

如果所述第一模式的起点与所述第二模式的起点之间的距离大于所述第一预设距离，将所述第一模式与所述第二模式之间的标准差与所述第三阈值进行比较，并将所述第一模式与所述第二模式之间的均值与所述第四阈值进行比较；

如果所述第一模式与所述第二模式之间的标准差小于等于所述第三阈值，且所述第一模式与所述第二模式之间的均值小于等于所述第四阈值，则确定所述第一模式与所述第二模式构成带有间隔的连续模式。

5.根据权利要求3或4所述的方法，其特征在于，所述确定所述起点相邻的两个时间序列模式构成带有形变的连续模式之后，还包括：

如果存在起点有重叠的两个带有形变的连续模式，则将起点有重叠的两个带有形变的连续模式合并为一个带有形变的连续模式。

6.根据权利要求5所述的方法，其特征在于，所述将起点有重叠的两个带有形变的连续模式合并为一个带有形变的连续模式之前，还包括：

确定所述起点有重叠的两个带有形变的连续模式之间的重叠范围是否满足第一预设条件，如果满足第一预设条件，则执行将起点有重叠的两个带有形变的连续模式合并为一个带有形变的连续模式的步骤。